Escolar Documentos
Profissional Documentos
Cultura Documentos
!
!
!
!!
!
!
!
!
!!
!!
!1
!!
!
!
Diagonal Matrix
1
0
0
0
0
!
!
!
!
!
Octave es una alternativa libre a MATLAB. Para los ejercicios de programacin, es libre de usar
ya sea Octave o MATLAB.
!2
!
!!
Ahora ex1.m pausar hasta que se presione cualquier tecla, y luego ejecutar
el cdigo para la siguiente parte de la asignacin. S i d e s e a d e t e n e r l a
e j e c u c i n , p r e s i o n a r l a s t e c l a s ctrl-c lo cual detendr la
ejecucin a la mitad.
1.1.
Enviando la Solucin
2.1.
!3
2.2.
Pendiente de descenso
Ganancias en $ 10000
En esta parte, se encontrar los parmetros de regresin lineal para nuestro conjunto
de datos usando la pendiente de descenso.
!!
2.2.1.
!
!
!
!
!
!
!
T
h (x) = x = 0 + 1x1
Recuerde que los parmetros de su modelo son los valores de j. Estos son
los valores que ajustar para minimizar la funcin de costo J (). Una forma de
hacer esto es usando el algoritmo de pendiente de descenso batch. En la
pendiente de descenso batch, cada iteracin realiza una actualizacin each
iteration performs the update
!
!
Ecuaciones de actualizacin
Implementacin
!5
!
2.2.3. Calculando el costo de J ()
!!
Pendiente de descenso
!6
!
!
!
2.3 Depurando
Aqu hay algunas cosas para tener en mente al momento de implementar la pendiente
de descenso:
Los indices de los arreglos en Octave inician en uno, no en cero. Si se est
almacenando 0 y 1 en un vector llamado theta, los valores sern theta(1)
y theta(2).
Ganancias en $ 10000
!!
!!
2.4 Visualizando J ()
!
!
!
!!
!!
!
(a) Supercie
!9
!!
!!
!
!!
3.1.
!!
Normalizacin de caractersticas
!!
!
!!
!!
3.2.
Pendiente de descenso
!11
donde
!!
!
!12
Costo
J
!
!
Nmero de iteraciones
!!
3.3
Ecuacin normal
!14
!!
!
!
Envo y calificacin
Despus de completar varias partes de la asignacin, asegurarse de enviar por
correo las soluciones. A continuacin se muestra como sern calificados los
ejercicios.
Parte
Ejercicio de calentamiento
Archivo enviado
warmUpExercise.m
Puntos
2 puntos
computeCost.m
gradientDescent.m
8 puntos
10 puntos
Puntos Totales
20 puntos
featureNormalize.m
computeCostMulti.m
gradientDescentMulti.m
normalEqn.m
!15
1 puntos
2 puntos
2 points
1 puntos